Автономные производственные системы имеют возможность самостоятельно планировать и контролировать производство. Кроме того, они способны адаптироваться к непредвиденным изменениям в окружающей среде. В результате продолжающейся тенденции к индивидуализированным продуктам доля отдельных частей увеличивается. Это требует первого раза прямо в производстве.
Обновление: EMO 2019
Ведущая мировая выставка металлообработки находится в стартовом положении
Основным требованием является мониторинг процесса для отдельных частей. В отличие от серийного производства, в котором процессы отслеживаются с использованием данных предыдущего процесса, невозможно использовать существующие значения измерений при производстве отдельных деталей. Чтобы все еще иметь возможность отслеживать первую копию, опорные значения должны быть определены с помощью моделирования процесса. На примере производства рабочего колеса ток шпинделя прогнозируется на основе высокоточного моделирования удаления материала в реальном времени и с использованием нейронной сети. Сравнение смоделированных и измеренных данных процесса позволяет обнаруживать ошибки процесса и, следовательно, контролировать отдельные детали.
Постоянный мониторинг состояния ценных и сложных средств производства, таких как лопатки турбин высокого давления, является современным уровнем техники. В отличие от этого, однако, их ручной ремонт - также современный уровень - который часто зависит только от субъективной оценки работника по обработке и, следовательно, от его обучения и опыта. Чтобы восстановить сложные средства производства, ученые строят автоматизированную цепочку процессов, которая должна изменить именно это.
В дополнение к реальному уровню, на котором расположены станки, существует виртуальный уровень. Здесь моделируются лопатки турбины, которые необходимо отремонтировать, и определяется их состояние, то есть фактическая производительность и фактический срок службы. Индивидуальные пути ремонта генерируются из этого состояния и пожеланий заказчика и выполняются на реальном уровне с использованием недавно разработанных процессов ремонта.
Эмо 2019
Gestalt Robotics - стартап представляет себя
строительство
Эффективное проектирование интеллектуальных машин
Чувствительный станок
Отдельные продукты приобретают все большее значение в современных медицинских технологиях. Индивидуальные имплантаты могут предотвратить осложнения после операции и повысить качество жизни пациента. Чтобы получить окончательный контур сложной геометрии имплантата с помощью фрезерных станков, необходимо снова и снова проходить и адаптировать всю цепочку процессов от проектирования САПР и планирования пути до точной настройки параметров процесса. Поскольку это очень затратно по времени и затратам, отдельные имплантаты обычно экономически нецелесообразны.
Ученые IFW разработали сенсорную машину для определения сил процесса. Путем объединения измеренной силы процесса и симуляции параллельного процесса (цифрового двойника), разработанной на IFW, условия вмешательства могут быть точно воспроизведены и записаны. Таким образом, проблемы, например чрезмерное отклонение инструмента, могут быть выявлены заранее и решены целевым образом.
СОВЕТ ПО СЕМИНАРУ С помощью онлайн-курса «Машинное обучение - как машина обучается?» Вы можете глубже изучить методологию. Профессор ван дер Смагт - руководитель отдела искусственного интеллекта в Volkswagen - объясняет участникам в течение двух часов наиболее важные концепции машинного обучения в концентрированной и сжатой форме.
Следующая информация
Система межпроцессного обучения автономно вносит необходимые коррективы. Система значительно сокращает усилия, необходимые для настройки новых процессов. Это снижает производственные затраты. Благодаря новым технологиям, индивидуальные имплантаты также будут доступны для широкой публики в будущем.
роликовый подшипник
Интеллектуальные станки благодаря цифровым роликоподшипникам
Контроль качества с дополненной реальностью
Индивидуальное производство требований заказчика, важной цели Industry 4.0, требует больших усилий для обеспечения качества. Чтобы по-прежнему гарантировать экономическую эффективность производства отдельных компонентов, необходимо разработать новые методы для обеспечения лучшего качества. С этой целью в МФВ исследуется использование дополненной реальности. Реальный мир производства расширяется за счет виртуальных данных о процессе. Это сделано для того, чтобы оператор мог эффективно проверить готовый компонент. Предоставляя дополнительную информацию, полученную с помощью моделирования процесса, качество должно быть проверено в более короткие сроки.
Текущий исследовательский контент - это, например, виртуальное представление сил процесса при обработке на реальном компоненте. Это позволяет оператору машины делать выводы о качестве изготовленного компонента в машинном отделении после процесса и при необходимости корректировать процесс.
Процесс измельчения становится интеллектуальным
Процесс шлифования инструмента становится все более разнообразным в монолитном и мелкосерийном производстве фрезерных и сверлильных инструментов. Кроме того, оценка состояния шлифовального круга связана с опытом оператора. В сочетании с консервативными поставками во время процесса перевязки это приводит к увеличению непродуктивного времени. Вводя оценку состояния на основе данных измерений и оцифровывая процесс принятия решений, требуется значительно меньше ресурсов и меньше времени, и это при том же качестве заготовки. Для достижения этой цели в IFW разрабатывается интеллектуальное измельчение.
Интегрированные измерительные технологии в машине позволяют определить состояние инструментов. Эта информация используется вместе с самообучающейся моделью износа для оценки текущего состояния износа шлифовального круга. Исходя из этого, процесс измельчения может регулироваться автономно, производительность и стабильность процесса могут быть максимально увеличены. (Уд)